NotesKB: Web-Based Semantic Annotation Tool for Online Multimedia Learning Content
Notice bibliographique
Résumé
Due to the rapid growth of e-Learning contents, especially videos, published online, the usability of tools that help students keep track of such contents along with their thought traces is an issue.We addressed the problem by designing and building a web-based semantic annotation tool called NotesKB.Through technical and theoretical lenses, we aim to discover and improve upon the usability of such tools.The usability of NotesKB is evaluated and compared with two other predominant note-taking methods, namely Pen and Paper (PnP) and Microsoft OneNote.According to the SUS test scores, PnP is the most usable while NotesKB was the most preferred when students were interviewed.We have reaffirmed that cognitive load is key to design e-Learning systems and that note-taking tools with semantic capabilities need to help users learn how to use the greater power available.viii Dr. Biddle, I cannot thank you enough for accepting to co-supervise me half-way of my program and devoting an enormous amount of your valuable time -including weekends and holidays -just so that I finish writing my thesis.You have provided me with a first-hand experience of what a rigorous research is.I am also thankful to the members of my committee, Sonia Chiasson, Ali Arya, and the defense chair Anil Somayaji for their guidance, for their expertise, and for offering different perspectives, all of which have helped me shape this dissertation.I would like to give special thanks to Ms. Erenia Oliver for
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,011 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».